SIFT暴力匹配

import cv2
from skimage import transform as transform
from skimage.feature import (match_descriptors, ORB, plot_matches)
img1=cv2.imread('C:/Users/xpp/Desktop/Lena.png',0)#原始图像
img2=cv2.imread('C:/Users/xpp/Desktop/face.png',0)#原始图像
sift=cv2.xfeatures2d.SIFT_create()#实例化
kp1,des1=sift.detectAndCompute(img1,None)#找出图像中的关键点
kp2,des2=sift.detectAndCompute(img2,None)#找出图像中的关键点
bf=cv2.BFMatcher()#创建BF暴力匹配对象
matches=bf.knnMatch(des1,des2,k=2)#获得两幅图像的k个最佳匹配
good_matches=[]
for m1, m2 in matches:
    if m1.distance<0.75*m2.distance:
        good_matches.append([m1])#比值小于0.75，即最佳匹配点
        img3=cv2.drawMatchesKnn(img1,kp1,img2,kp2,good_matches,None,flags=2)#在最佳匹配点之间绘制直线
pylab.imshow(img3)
pylab.show()